视频监控中背景提取与运动跟踪方法是计算机视觉和图像编码领域的重要研究项目之一,在军事、医学和科研等领域都有广泛的应用。背景提取与运动跟踪算法的设计直接影响运动目标检测以及运动目标跟踪效果的准确性和稳定性。本文主要研究视频监控中背景提取与运动跟踪两个关键问题,对交通视频监控中的基于固定摄像机的背景自适应建模、前景分离及车辆鲁棒跟踪方法与应用问题进行了深入研究。首先,简要介绍了数字图像预处理技术。数字图像的预处理是以后进行背景提取和运动跟踪的坚实基础,预处理质量的好坏将直接影响后续操作。本文所用到的图像预处理技术主要包括图像对比度的增强、随机噪声的去除等处理技术。接下来详细研究了背景提取算法。主要阐述了两部分内容:第一部分介绍了基于码书的背景提取方法。该方法用矢量量化/聚类技术构建背景模型,利用当前帧和背景帧之间的亮度偏差和色度偏差作为聚类判据;第二部分提出了一种改进的基于码书的背景提取方法,该方法较先前所述方法在码字参量设置与聚类判定准则两方面做出了有效改进,从而体现出了新方法的优越性:减少了码字的特征参数和所需选择的阈值个数,其中在基于灰度图像的部分,聚类的判定准则也得到了很大程度的简化。经实验表明,改进后的方法比先前介绍的方法具有更好的背景提取效果。在运动跟踪方面,首先对常用的交通视频的运动跟踪算法进行了比较;其次对Mean Shift目标跟踪方法从实现原理、匹配准则、搜索算法等几方面进行了介绍;最后研究了Camshift(Continuously Adaptive Mean Shift Algorithm)跟踪算法。它是一种基于目标颜色特征的跟踪方法,该算法运算速度快,无参数,满足一定的实时性。同时由于物体的颜色信息是物体的固有特征,利用运动目标的颜色特征对运动目标进行跟踪,具有一定的鲁棒性。将该方法应用与交通视频车辆监控中,实验结果表明该方法可有效的跟踪运动车辆。